结合多尺度通道注意力和边界增强的2D医学图像分割

二维(2D)医学图像分割在疾病诊断和计算机辅助治疗中具有重要作用.针对2D医学图像由于目标大小、形状不一以及边界模糊而难以精确分割的问题,提出一种结合多尺度通道注意力和边界增强的2D医学图像分割方法.首先以2D医学图像作为输入,并利用编码器和边界增强模块从中分别提取出高级特征图和边界分割结果;然后利用多尺度通道注意力模块从高级特征图中提取出不同尺度的上下文信息,增强其中有用的特征并抑制无用的特征响应;最后将得到的上下文信息传入解码器中获得区域分割结果,并与边界分割结果进行整合,得到最终的分割结果.为了化解医学图像中出现的数据不平衡问题,提出一种自定义的损失函数.在包含残根的牙齿全景片、包含龋齿的牙齿全景片、视网膜血管和皮肤病灶4个数据集上的实验结果表明,所提方法的分割精确率分别达到了85.63％,70.15％,75.86％和85.92％;与其他医学图像分割方法相比,所提方法表现更佳.